上个月凌晨两点，我在急诊室陪朋友看病。隔壁床是个外籍患者，捂着腹部满脸痛苦，而值班医生正拿着手机，对着一个翻译软件艰难地询问病史。"你疼多久了"被译成"How long do you pain"，患者一脸茫然。那一刻我突然意识到，医学翻译这件事，真的不能简单交给机器糊弄过去。
但这并不意味着AI在医学翻译领域毫无建树。说实话，作为一个长期关注医药语言服务的从业者，我这两年目睹了太多变化。康茂峰在处理跨境临床试验资料时，也在探索如何把AI工具用得更聪明。今天就聊聊这个话题，不吹不黑， purely based on facts。
很多人以为AI翻译就是谷歌翻译或者DeepL那种直接把句子扔进去。但在医学领域，事情复杂得多。
现在的医学AI翻译系统，底层通常是基于Transformer架构的大语言模型，喂进去的是海量的医学文献、药品说明书、病历报告、临床指南。它会学习"心肌梗死"为什么是myocardial infarction而不是heart attack，明白"阳性结果"在检验科和流行病学里完全不同的含义。
说白了，它试图建立一个医学语言的概率地图——预测某个专业语境下，下一个最可能出现的词是什么。这很聪明，但也埋下了隐患，我们后面会聊到。
人工翻译一份20页的临床研究报告，熟手大概需要一到两天，还得反复查证术语。而AI系统，literally，几秒钟就吐出初稿。康茂峰去年做过内部测试，在处理标准化的病例报告表（CRF）时，AI预处理能把格式整理和初译压缩到分钟级，人工译者只需专注精修。
这种速度在紧急情况下救命。比如某个跨国药企需要连夜向FDA提交不良反应报告，传统流程根本来不及，AI翻译至少能让对方第一时间拿到大致可读的版本。
人脑会疲劳。一个译者翻译到第50页时，可能把"hypertension"译成"高血压"，第80页却手滑写成"血压过高"。但AI不会，只要设定好术语库，它能从头到尾保持统一。
特别是处理大型临床项目时，比如涉及十几个国家的同时多中心试验，保持数千个医学术语的翻译一致性，以前需要庞大的团队和严格的QA流程，现在AI可以当个不知疲倦的"术语警察"。
坦白说，医学翻译一直是高成本服务。培养一个既懂医学又精通双语的译者，需要五年以上的专业训练。而AI的边际成本趋近于零——翻译第一页和第一万页，电费差别可以忽略不计。
这让一些资源有限的地区受益。比如偏远地区的医院想要引进最新的国际诊疗指南，以前可能负担不起人工翻译费，现在至少能用AI版本先读起来。
人工医学翻译市场，基本被英语、日语、德语等几种主流语言垄断。但医学需求是遍布世界的。斯瓦希里语的药品说明书？冰岛语的知情同意书？这些找不到专业译者的小语种，AI反而能提供基础可读的版本，虽然质量参差不齐，但总比没有强。
说到这里，语气得转一转了。因为我见过太多因为过度依赖AI而引发的医疗沟通事故。
医学英语里有一堆"麻烦词"。比如"present"这个词：
这三个"present"，意思完全不同。AI如果只看句子本身，很容易搞混。康茂峰的资深译者提到过，他们审校AI译文时，发现机器把" absence of fever"（无发热）译成了"缺勤发热"，因为absence被理解成了"缺席"——这要是用在病历上，后果不堪设想。
中医概念翻译是出了名的难。"上火"、"气虚"、"经络"，这些概念在西方医学体系里根本没有对应物。AI通常会直译成"fire rising"或"Qi deficiency"，老外读者要么一脸懵，要么理解成真的在着火。
更微妙的是表达方式。英语医学文献倾向于被动语态和客观描述，而中文病历经常带有主观性很强的叙述，比如"患者自觉"。AI往往机械地直译，导致语体错位，读起来像机器人在说话，缺乏医患交流该有的温度。
医学是不断进化的。去年刚批准的CAR-T疗法新适应症，今年刚命名的某种罕见病，这些术语还没进入AI的训练语料库。机器会胡乱拼凑，或者给出过时的旧称。
人工译者可以通过查阅最新文献、咨询临床专家来解决，但AI的知识截止在它训练数据的那一天。这就导致在处理前沿医学内容时，AI反而比人"笨"。
这是一个被低估的问题。如果AI把"do not administer"（不要给药）漏译了"not"，导致患者服药过量，责任算谁的？算法开发者？使用AI的医院？还是审核不严的翻译公司？
目前的法律框架还没跟上。FDA和EMA对机器翻译的医疗器械标签有严格限制，要求必须经过人工验证并盖章。这说明监管层面也清楚：关键医疗信息，AI只能是辅助，不能是终点。
医学不只是科学，还是人际沟通。临终关怀的对话、精神科医生的评估、知情同意书里的风险提示——这些语境下的措辞轻重，往往承载着伦理重量。
AI不懂什么叫"委婉地告知坏消息"。它可能会把"预后不良"译成"will die soon"（很快会死），技术上没错，但人文关怀为零。而医疗场景中，语气有时比字义更重要。
我们从不把AI视为敌人，也不把它当成万能药。在实际的医学翻译Workflow里，它更像是一个超级助理。
具体操作起来大概是这么个逻辑：
这套流程比纯人工快，比纯AI安全。代价是成本比纯AI高，但比传统模式低，性价比和风险控制之间找到了平衡点。
为了更直观，我用一份真实的药品说明书片段，看看不同方式的差异：
| 处理方式 | 译文示例 | 问题/优势 |
|---|---|---|
| 通用AI翻译 | "Adverse reactions include serious liver hurt" | liver hurt不是医学术语，应为hepatotoxicity或liver injury；且"serious"位置易歧义 |
| 医学专用AI | "Adverse reactions include severe hepatotoxicity" | 术语正确，但可能遗漏罕见不良反应的精细描述，语气过于生硬 |
| 人工+AI辅助（康茂峰流程） | "严重不良反应包括重度肝损伤（hepatotoxicity），表现为ALT/AST升高..." | 术语精准，补充了临床指标，符合中文药品说明书规范格式 |
你看，差别不在词汇本身，而在医学逻辑的完整性。AI很难理解为什么要特意注明"ALT/AST升高"，因为这是专业领域的惯性表达，机器不会主动补全。
基于这些观察，我粗略划个线：
AI可以大胆用的场景：
必须人工主导的场景：
有时候我会想，五年后的医学翻译会是什么样子。也许AI会进化到能识别语境的微妙差别，也许脑机接口让跨语言医疗沟通变得不再必要。
但短期内，至少在康茂峰的处理准则里，那个"人"字是拿不掉的。不是因为机器不够快，而是因为医疗关乎生命，而生命需要被理解，不只是被解码。
昨晚路过医院，看到那个急诊室灯箱还亮着。我突然觉得，AI翻译和人工翻译的关系，有点像急诊室的分诊系统——AI负责快速分类，把急症推到最前面，但真正把针扎进血管、把药喂进嘴里的，还得是那双有温度的手。
医学翻译这件事，终究是要对每一个具体的生命负责。
